Review Jurnal Kecerdasan Buatan

Tugas Kecerdasan Buatan Pertemuan 14

 REVIEW JURNAL KECERDASAN BUATAN

Judul                         : Penerapan Sistem Kecerdasan Buatan pada Otomatisasi Pendeteksian Plat 

                                      Nomor Ganjil Genap Kendaraan

Jurnal                        : Jurnal Informatika Universitas Pamulang

Volume & Halaman  : Volume 6, No. 3, Halaman 555-559

Tahun                         : 2021

Penulis                        : Aditya Tri Herdiansyah, Arnold Agusti Pratama, Indriyani Octavia, Reza 

                                       Anwar Sidiq Baehaqi, Aries Saifudin, Yulianti

Pengulas                     : Muhammad Faturrahman Saputra (201552020041) 

Tanggal                       : 28 Juli 2022

Tujuan Penelitian:

        Tujuan dari penelitian ini adalah untuk membuktikan apakah penerapan sistem kecerdasan buatan pada otomatisasi pendeteksian plat nomor ganjil genap kendaraan dapat membantu petugas meningkatkan keakuratan dalam mengawasi plat nomor kendaraan dalam aturan ganjil genap atau tidak.

 

Subjek Penelitian:

Subjek penelitian ini adalah 10 plat nomor mobil sebagai sampel penelitian dalam implementasi perangkat otomatisasi pendeteksian plat nomor ganjil genap kendaraan.

 

Metode Penelitian:

Metode penelitian yang digunakan dalam penelitian ini adalah kuantitatif. Penelitian dilakukan dengan cara mengumpulkan informasi atau data dari pengujian yang dilakukan yang selanjutnya data akan dianalisis untuk mengetahui hasil penelitian.

 

Hasil Penelitian:

Untuk mengetahui presentase keberhasilan pendeteksian dari perangkat otomatisasi pendeteksian plat nomor ganjil genap kendaraan dapat dilihat dari hasil pengujian berikut ini:

-      Hasil dari percobaan ke-1 yaitu plat nomor B 2420 BOZ dengan presentase keberhasilan deteksi 

        yaitu 100%. Dari 8 karakter pada plat nomor, sebanyak 8 karakter dapat terdeteksi dengan

        klasifikasi plat nomor sebagai plat genap.

-      Hasil dari percobaan ke-2 yaitu plat nomor B 5551 SYJ dengan presentase keberhasilan deteksi

        yaitu 100%. Dari 8 karakter pada plat nomor, sebanyak 8 karakter dapat terdeteksi dengan 

        klasifikasi plat nomor sebagai plat ganjil.

-      Hasil dari percobaan ke-3 yaitu plat nomor F 51 DIT dengan presentase keberhasilan deteksi 

        yaitu 66,7%. Dari 6 karakter pada plat nomor, sebanyak 4 karakter dapat terdeteksi dengan

        klasifikasi plat nomor sebagai plat ganjil.

-      Hasil dari percobaan ke-4 yaitu plat nomor F 8452 BA dengan presentase keberhasilan deteksi

        yaitu 85,7%. Dari 8 karakter pada plat nomor, sebanyak 8 karakter dapat terdeteksi dengan 

        klasifikasi plat nomor sebagai plat genap.

-      Hasil dari percobaan ke-5 yaitu plat nomor B 3023 TUA dengan presentase keberhasilan deteksi

        yaitu 75%. Dari 8 karakter pada plat nomor, sebanyak 6 karakter dapat terdeteksi dengan 

        klasifikasi plat nomor sebagai plat ganjil.

-      Hasil dari percobaan ke-6 yaitu plat nomor F 121 PGA dengan presentase keberhasilan deteksi

        yaitu 100%. Dari 7 karakter pada plat nomor, sebanyak 7 karakter dapat terdeteksi dengan

        klasifikasi plat nomor sebagai plat ganjil.

-      Hasil dari percobaan ke-7 yaitu plat nomor B 8 DI dengan presentase keberhasilan deteksi 

        yaitu 100%. Dari 4 karakter pada plat nomor, sebanyak 4 karakter dapat terdeteksi dengan 

        klasifikasi plat nomor sebagai plat genap.

-      Hasil dari percobaan ke-8 yaitu plat nomor B 9022 S dengan presentase keberhasilan deteksi 

        yaitu 33,3%. Dari 6 karakter pada plat nomor, sebanyak 2 karakter dapat terdeteksi dengan 

        klasifikasi plat nomor sebagai plat genap.

-      Hasil dari percobaan ke-9 yaitu plat nomor F 7855 ZF dengan presentase keberhasilan deteksi

        yaitu 85,7%. Dari 7 karakter pada plat nomor, sebanyak 6 karakter dapat terdeteksi dengan 

        klasifikasi plat nomor sebagai plat ganjil.

-      Hasil dari percobaan ke-10 yaitu plat nomor B 4452 OKZ dengan presentase keberhasilan deteksi

        yaitu 100%. Dari 8 karakter pada plat nomor, sebanyak 8 karakter dapat terdeteksi dengan 

        klasifikasi plat nomor sebagai plat genap.

 

Kekuatan Penelitian:

        Kekuatan pada penelitian ini adalah subjek yang digunakan dalam pengujian implementasi perangkat otomatisasi pendeteksian ini tidak sulit ditemukan.

 

Kelemahan Penelitian:

        Kelemahan pada penelitian ini yaitu adanya beberapa faktor yang dapat memengaruhi akurasi deteksi pada sistem seperti kualitas perekaman, noise pada gambar hasil capture, tingkat pencahayaan pada obyek, dan sebagainya.

 

Kesimpulan:

        Berdasarkan hasil pengujian tersebut, keakuratan pendeteksian plat nomor ganjil genap yang dilakukan dengan sistem kecerdasan buatan berada pada nilai rata-rata 85%. Dari nilai rata-rata pendeteksian tersebut dapat disimpulkan bahwa pada sistem kecerdasan buatan ini cukup membantu petugas jika ingin diimplementasikan untuk pendeteksian plat nomor ganjil genap kendaraan.